基于BP神经网络和遗传算法的钢丝拉拔优化设计

摘要：

针对钢丝在拉拔成形后表面轴向残余应力过大的问题,建立有限元模型,并确定钢丝拉拔过程变量优化范围;利用正交试验法确定网络训练样本,根据变量设计安排各因素及水平,组成L25 (5 5) 正交表;利用ANN的高度非线性映射能力建立拉拔过程参数与钢丝表面最大轴向残余应力映射模型,同时将神经网络与遗传优化算法相结合.优化后摩擦因数为0.09,工作锥角为8°,定径带长度为0.66mm,部分压缩率为4%,拉拔速度为3820 mm/s, 在此组合参数下,采用FEM计算表面轴向残余应力为65.37MPa,神经网络预测结果为67.58MPa,模拟结果相对误差为3.5%;相对于正交试验中平均轴向残余应力202.1 MPa,降低67.6%,优化效果明显,显著降低了钢丝的表面轴向残余应力.

关键词：钢丝拉拔、正交试验法、BP神经网络、遗传算法、残余应力

所属期刊栏目：36

分类号：TG356.1;O242(金属压力加工)

在线出版日期：2010-08-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：17-21